亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
烟花应助Wingshuohuo采纳,获得10
4秒前
天天快乐应助咸金城采纳,获得10
5秒前
13秒前
咸金城发布了新的文献求助10
19秒前
38秒前
Wingshuohuo发布了新的文献求助10
44秒前
杳鸢应助夏日气泡水采纳,获得20
51秒前
慕青应助Wingshuohuo采纳,获得30
53秒前
十三号失眠完成签到 ,获得积分10
54秒前
FashionBoy应助科研通管家采纳,获得10
1分钟前
星辰大海应助皮老师采纳,获得10
1分钟前
1分钟前
1分钟前
皮老师发布了新的文献求助10
1分钟前
Wingshuohuo发布了新的文献求助30
1分钟前
皮老师完成签到,获得积分10
1分钟前
ashyovers完成签到,获得积分10
1分钟前
1分钟前
bkagyin应助王富贵采纳,获得10
1分钟前
Wingshuohuo发布了新的文献求助30
1分钟前
2分钟前
Wingshuohuo发布了新的文献求助10
2分钟前
Wingshuohuo发布了新的文献求助30
2分钟前
所所应助recardo采纳,获得10
2分钟前
思源应助recardo采纳,获得10
2分钟前
Hello应助recardo采纳,获得10
2分钟前
Owen应助recardo采纳,获得10
2分钟前
田様应助recardo采纳,获得10
2分钟前
SciGPT应助recardo采纳,获得10
2分钟前
SciGPT应助recardo采纳,获得10
2分钟前
orixero应助recardo采纳,获得10
2分钟前
Wingshuohuo发布了新的文献求助10
2分钟前
今后应助recardo采纳,获得10
2分钟前
bkagyin应助recardo采纳,获得10
2分钟前
小二郎应助recardo采纳,获得10
3分钟前
烟花应助recardo采纳,获得10
3分钟前
科研通AI2S应助recardo采纳,获得10
3分钟前
ding应助recardo采纳,获得10
3分钟前
希望天下0贩的0应助recardo采纳,获得10
3分钟前
善学以致用应助recardo采纳,获得10
3分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3192671
求助须知:如何正确求助?哪些是违规求助? 2841654
关于积分的说明 8034518
捐赠科研通 2505375
什么是DOI,文献DOI怎么找? 1338533
科研通“疑难数据库(出版商)”最低求助积分说明 638361
邀请新用户注册赠送积分活动 606912